Zipf矩阵分解：具有马太效应消减的矩阵分解
信息检索
2021-08-09 v3
摘要
推荐系统基于用户过去的信息历史向用户推荐感兴趣的条目。研究人员一直关注MAE和precision@K等算法性能的改进。矩阵分解和learning to rank等主要技术基于此类评估指标进行优化。然而，固有的马太效应问题对推荐系统的公平性构成巨大威胁，且不公平问题无法通过传统指标的优化来解决。在本文中，我们提出了一种将马太效应消减与矩阵分解框架相结合的新算法。我们证明了我们的方法能够提升算法的公平性，并增强由传统指标评估的性能。
引用
@article{arxiv.2106.07347,
title = {Zipf Matrix Factorization : Matrix Factorization with Matthew Effect Reduction},
author = {Hao Wang},
journal= {arXiv preprint arXiv:2106.07347},
year = {2021}
}